按Name与Year分组，用中位数转换Pandas DataFrame数据

要实现你需要的聚合效果，直接使用Pandas的分组聚合功能即可，具体代码如下：

import pandas as pd

# 加载原始数据（如果是从CSV文件读取）
df = pd.read_csv("your_input_data.csv")

# 核心操作：按Name和Year分组，计算Value的中位数
aggregated_df = df.groupby(["Name", "Year"], as_index=False)["Value"].median()

# 输出符合格式要求的结果
print(aggregated_df.to_csv(index=False, sep=","))

关键说明 #

• groupby(["Name", "Year"])：将数据按Name和Year的唯一组合分组，保证每个品牌每年的数据单独计算中位数
• as_index=False：让分组后的Name和Year保持为普通列，而非索引，和你期望的输出结构完全匹配
• median()：自动处理奇偶样本量的中位数计算逻辑：
  • 当组内样本数为偶数时，取中间两个数的平均值（比如Wendys 2021年的(6915+6916)/2=6915.5）
  • 当组内样本数为奇数时，取中间位置的数值（比如Wendys 2023年的中位数是7129）

输出结果 #

运行代码后会得到你需要的格式：

Name,Year,Value
Wendys,2021,6915.5
Wendys,2022,6979.5
Wendys,2023,7129.0
Wendys,2024,7166.0
White Castle,1950,89.0
White Castle,1951,92.0

如果希望将整数形式的中位数显示为整数（如7129而非7129.0），可以添加一行类型转换代码：

aggregated_df["Value"] = aggregated_df["Value"].where(
    aggregated_df["Value"] % 1 != 0,
    aggregated_df["Value"].astype(int)
)

内容的提问来源于stack exchange，提问作者ishandutta2007